基于模糊概率petri网的故障诊断算法研究

摘要：分析研究了具有概率信息的模糊petri网的故障诊断方法，利用概率信息消除反向诊断过程中冲突消解问题的同时，针对不确定逻辑的故障相关性，建立了具有不确定逻辑关系的模糊概率petri网模型，从而拓展了petri网的描述能力，提出了一种改进的反向诊断新算法，提高了诊断准确度。并以一个实际的故障诊断例子，对该诊断算法进行了说明，证明了方法的准确性和可行性。

Abstract: It analyzed and researched fault diagnosis method based on probability information with fuzzy petri nets, using probability eliminated the reverse problem conflict resolution in the diagnostic process, while the uncertain logic relationship established uncertainty fuzzy logic probability petri net model, which expands the ability of petri net description and proposes a new algorithm to improve the reverse diagnosis algorithm, improving diagnostic accuracy. And with a practical example of fault diagnosis, the diagnosis algorithm is described, demonstrating the accuracy and feasibility of the method.

关键词：模糊概率网；故障诊断；规则推理

Key words: fuzzy probability net；fault diagnosis；rule-based reasoning

中图分类号：TP39 文献标识码：A文章编号：1006-4311（2010）33-0161-01

1用petri网进行故障的知识描述

对于用来描述故障传播的petri模型，模糊概率petri网进入了可信度，阀值以及概率三个关键的概念和相应参数，简要介绍如下：

定义1（可信度）根据E.H.Shortliffe等人提出的不确定推理方法，表示在故障征兆F出现时，某故障原因C成立的可信任程度，记为CF，其范围是[0，1]。

定义2（阀值）表示推理规则可用的最低要求，也就是该故障能引发征兆的最低条件。记为?姿，取值范围为[0，1]。

定义3（概率）用于表示多个故障对征兆的支持程度的不同，或者说各故障导致征兆发生的频率或重要程度不同。记为Pr，取值范围为[0，1]。

2模糊概率petri网的诊断推理过程

本文提出一种改进的更周全的petri网故障诊断推理算法，此算法是基于如下三种简单的诊断推理方法：

①正向逻辑关系为If di，then di+1：诊断中遵循先反向推理的顺序，由于引起对应于库所Pi+1的故障征兆的故障原因只有库所Pi对应的故障原因，显然Pr=1，则Cpi=1，即完全可信，必有Cpi>?姿，推理规则肯定成立，即命题di为真，thenCPi+1=Cpi*Cti=Cti；②正向逻辑关系为If C1，or C2，or C3，then F。反向推理时，首先查询n=3个库所输入弧对应的变迁触发概率Pr，选择最具可能性的故障库所Pi作为推理路径，然后通过人机对话，用户根据实际故障输入对应命题的可信度Cpi，并把此库所赋予标记di=-1，表明已访问了此库所；③正向逻辑关系为If C1 and C2，then F。

因为输入库所是联合“并”的关系，所以当用户回答的∑Cpi>?姿，才能认为是两个故障同时引起的征兆，此种情况下，两条弧的变迁置信度都是同一个值。

若∑Cpi>?姿，则Cpi+1=∑Cpi*Cti。

其它规则都可以通过上述几种规则结构进行合成转化而得到。

3实例分析

以某指控设备的计算机故障诊断众多规则中一部分为例，运用模糊概率petri网的诊断算法来进行死机故障的定位。该指控设备由显示模块、操控模块、计算机模块以及接口模块组成，死机现象知识库包含的规则，用模糊Petri 网表示如图。

各变迁的激活阀值均设为?姿=0.7，变迁可信度和触发概率在图中已给出。图中起始库所集合PS={p1，p2，p3，p4，p6，p7，p8}，目标库所集合为Pg={p11}，由已知“计算机死机”的故障现象，即目标库所的命题成立，诊断过程如下：①由目标库所寻找其前集库所，*p11={p9，p10}，即只有库所p9和p10对应的命题才能够引发该故障现象。比较两库所对应的变迁触发概率，选择路径p10p11，并给库所p10置标记d10=-1，表明已查找过，然后反向继续查找到能引起该故障的路径有两条，即p7和p8对应的命题，p8对应的变迁触发概率较大，选择此库所作为反向推理路径，置标记d8=-1，由于p8是起始库所，则系统询问用户“应用软件是否正常？”，若用户回答的命题可信度Cp8=0.1，Cp>?姿不成立，则选择p7p10为新的查询路径并置查询标记d7=-1，询问用户“系统软件是否正常？”，若用户回答系统软件出错，Cp7=0.9，大于阀值，则变迁可触发，Cp10的可信度为Cp10=Cp7*Ct7=0.9*0.90=0.81，也大于阀值，则软件故障的命题成立，则激活变迁，目标库所Cp11的可信度为Cp11=Cp10*Ct11=0.81*0.92=0.75。即故障原因为系统软件出错。②若回答Cp7=0即系统软件正常，Cp7>?姿仍不成立，此时仍不能最终确定故障原因不是软件故障，对查寻标记d7和d8清零，计算Cp7+Cp8，显然远远小于变迁激活阀值，才肯定故障原因不是软件问题，则另选择p9p11作为新的反向查询路径。③由p9的前集库所*p9={p1，p2，p5，p6}，比较四个库所对应得变迁触发概率，按上述同样的查寻步骤查询各个路径，最终确定哪个故障发生了，并计算出相应的目标库所可信度。④四条路径的查询过程中，倘若用户给出的各起始库所对应命题的可信度分别为Cp1=0.2，Cp2=0.6，Cp3=0.1，Cp4=0，Cp6=0.4，均小于激活阀值，则将查询标记d1，d2，d3，d4，d5，d6清零，并对刚才用户给出的可信度按数值大小选择新的路径为P2∪P6，从而最后有找到故障原因为扩展接口板故障和电源模板故障同时发生，可信度为0.96。

4结论

本文根据故障诊断知识的特点，给出了基于模糊概率petri网模型的故障诊断逻辑推理算法，并便于在计算机上实现。在充分考虑到故障发生和传播过程中的不确定逻辑关系和关联性，使用了二次查询的方法，与专家解决问题的思路相一致，工程实施方便、简单，是一种有效的设备故障诊断方法。